La economía naranja hace referencia al mundo de la cultura, la industria creativa y la creación de contenido. Se denomina, por tanto, universo naranja a todas aquellas actividades que transformen el conocimiento en un bien o un servicio que trate de fomentar, además del beneficio económico, el desarrollo de la cultura y la creatividad.
¿Qué actividades integra la economía naranja? Como íbamos diciendo, la economía naranja hace referencia a todas aquellas actividades que se encuentren directamente relacionadas con el mundo de la cultura, el arte o la creatividad. En este sentido, una serie de actividades que consistan en la transformación de ideas en bienes y servicios relacionados con el mundo de la cultura.
¿Qué es la economía naranja? Es donde se mezclan las industrias culturales con las áreas de soporte como el desarrollo de aplicaciones o software.
Oportunidades en LATAM. Buscaremos responder a la pregunta: Si tienes un startup que hace software, ¿en qué país abrirías una oficina?
El dataset de economía naranja fue creado con las siguientes variables:
El data set fue crado por la proferora Sonia Ardila Senior Data Specialist en Claro Colombia
df<- read.csv("orangeec.csv", header = TRUE)
knitr::kable(df[,], caption = 'Economía Naranja')
| Country | GDP.PC | GDP.US.bill | GDP.Growth.. | Services…GDP | Creat.Ind…GDP | Inflation | Unemployment | X..pop.below.poverty.line | Internet.penetration…population | Median.age | X..pop.25.54 | Education.invest…GDP |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Argentina | 20900 | 637.7 | 2.9 | 60.9 | 3.8 | 25.7 | 8.1 | 25.7 | 93.1 | 31.7 | 39.38 | 5.9 |
| Belize | 8300 | 1854.0 | 0.8 | 62.2 | NA | 1.1 | 10.1 | 41.0 | 52.3 | 22.7 | 36.62 | 7.4 |
| Bolivia | 7500 | 37.1 | 4.2 | 50.0 | NA | 2.8 | 4.0 | 38.6 | 78.6 | 24.3 | 37.48 | 7.3 |
| Brazil | 15600 | 2055000.0 | 1.0 | 72.8 | 2.6 | 3.4 | 11.8 | 4.2 | 70.7 | 32.0 | 43.86 | 5.9 |
| Chile | 24500 | 277.0 | 1.5 | 64.3 | 2.2 | 2.2 | 7.0 | 14.4 | 77.5 | 34.4 | 43.08 | 4.9 |
| Colombia | 14500 | 309.2 | 1.8 | 61.4 | 3.3 | 4.3 | 10.5 | 28.0 | 63.2 | 30.0 | 41.91 | 4.5 |
| Costa Rica | 16900 | 58.1 | 3.2 | 73.5 | 2.0 | 1.6 | 8.1 | 21.7 | 86.7 | 31.3 | 44.03 | 7.1 |
| Ecuador | 11500 | 102.3 | 2.7 | 56.9 | 2.0 | 0.4 | 4.6 | 21.5 | 79.9 | 27.7 | 39.59 | 5.0 |
| El Salvador | 8900 | 28.0 | 2.4 | 64.9 | NA | 1.0 | 7.0 | 32.7 | 57.7 | 27.1 | 39.23 | 3.5 |
| Guatemala | 8100 | 75.7 | 2.8 | 63.2 | NA | 4.4 | 2.3 | 59.3 | 42.1 | 22.1 | 34.12 | 2.8 |
| Honduras | 5600 | 22.9 | 4.8 | 57.8 | NA | 3.9 | 5.9 | 29.6 | 38.2 | 23.0 | 36.63 | 5.9 |
| Mexico | 19900 | 1149000.0 | 2.0 | 64.0 | 7.4 | 6.0 | 3.6 | 46.2 | 65.0 | 28.3 | 40.81 | 5.3 |
| Nicaragua | 5800 | 13.7 | 4.9 | 50.8 | NA | 3.9 | 6.5 | 29.6 | 43.0 | 25.7 | 40.24 | 4.5 |
| Panama | 25400 | 61.8 | 5.4 | 82.0 | 6.3 | 0.9 | 5.5 | 23.0 | 69.7 | 29.2 | 40.35 | 3.2 |
| Paraguay | 9800 | 29.6 | 4.3 | 54.5 | 4.1 | 3.6 | 6.5 | 22.2 | 89.6 | 28.2 | 41.08 | 5.0 |
| Peru | 13300 | 215.2 | 2.5 | 56.8 | 1.5 | 2.8 | 6.7 | 22.7 | 67.6 | 28.0 | 40.19 | 3.8 |
| Uruguay | 22400 | 58.4 | 3.1 | 68.8 | 1.0 | 6.2 | 7.3 | 9.7 | 88.2 | 35.0 | 39.34 | 4.4 |
str(df)
## 'data.frame': 17 obs. of 13 variables:
## $ Country : chr "Argentina" "Belize" "Bolivia" "Brazil" ...
## $ GDP.PC : int 20900 8300 7500 15600 24500 14500 16900 11500 8900 8100 ...
## $ GDP.US.bill : num 6.38e+02 1.85e+03 3.71e+01 2.06e+06 2.77e+02 ...
## $ GDP.Growth.. : num 2.9 0.8 4.2 1 1.5 1.8 3.2 2.7 2.4 2.8 ...
## $ Services...GDP : num 60.9 62.2 50 72.8 64.3 61.4 73.5 56.9 64.9 63.2 ...
## $ Creat.Ind...GDP : num 3.8 NA NA 2.6 2.2 3.3 2 2 NA NA ...
## $ Inflation : num 25.7 1.1 2.8 3.4 2.2 4.3 1.6 0.4 1 4.4 ...
## $ Unemployment : num 8.1 10.1 4 11.8 7 10.5 8.1 4.6 7 2.3 ...
## $ X..pop.below.poverty.line : num 25.7 41 38.6 4.2 14.4 28 21.7 21.5 32.7 59.3 ...
## $ Internet.penetration...population: num 93.1 52.3 78.6 70.7 77.5 63.2 86.7 79.9 57.7 42.1 ...
## $ Median.age : num 31.7 22.7 24.3 32 34.4 30 31.3 27.7 27.1 22.1 ...
## $ X..pop.25.54 : num 39.4 36.6 37.5 43.9 43.1 ...
## $ Education.invest...GDP : num 5.9 7.4 7.3 5.9 4.9 4.5 7.1 5 3.5 2.8 ...
summary(df)
## Country GDP.PC GDP.US.bill GDP.Growth..
## Length:17 Min. : 5600 Min. : 13.7 Min. :0.800
## Class :character 1st Qu.: 8300 1st Qu.: 37.1 1st Qu.:2.000
## Mode :character Median :13300 Median : 75.7 Median :2.800
## Mean :14053 Mean : 188693.0 Mean :2.959
## 3rd Qu.:19900 3rd Qu.: 309.2 3rd Qu.:4.200
## Max. :25400 Max. :2055000.0 Max. :5.400
##
## Services...GDP Creat.Ind...GDP Inflation Unemployment
## Min. :50.00 Min. :1.000 Min. : 0.400 Min. : 2.300
## 1st Qu.:56.90 1st Qu.:2.000 1st Qu.: 1.600 1st Qu.: 5.500
## Median :62.20 Median :2.600 Median : 3.400 Median : 6.700
## Mean :62.64 Mean :3.291 Mean : 4.365 Mean : 6.794
## 3rd Qu.:64.90 3rd Qu.:3.950 3rd Qu.: 4.300 3rd Qu.: 8.100
## Max. :82.00 Max. :7.400 Max. :25.700 Max. :11.800
## NA's :6
## X..pop.below.poverty.line Internet.penetration...population Median.age
## Min. : 4.20 Min. :38.20 Min. :22.10
## 1st Qu.:21.70 1st Qu.:57.70 1st Qu.:25.70
## Median :25.70 Median :69.70 Median :28.20
## Mean :27.65 Mean :68.42 Mean :28.28
## 3rd Qu.:32.70 3rd Qu.:79.90 3rd Qu.:31.30
## Max. :59.30 Max. :93.10 Max. :35.00
##
## X..pop.25.54 Education.invest...GDP
## Min. :34.12 Min. :2.800
## 1st Qu.:39.23 1st Qu.:4.400
## Median :40.19 Median :5.000
## Mean :39.88 Mean :5.082
## 3rd Qu.:41.08 3rd Qu.:5.900
## Max. :44.03 Max. :7.400
##
Que paises tienen PIB mayor o igual a 15.000 USD
na.omit(df[df$GDP.PC>=15000,])
## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 1 Argentina 20900 637.7 2.9 60.9 3.8
## 4 Brazil 15600 2055000.0 1.0 72.8 2.6
## 5 Chile 24500 277.0 1.5 64.3 2.2
## 7 Costa Rica 16900 58.1 3.2 73.5 2.0
## 12 Mexico 19900 1149000.0 2.0 64.0 7.4
## 14 Panama 25400 61.8 5.4 82.0 6.3
## 17 Uruguay 22400 58.4 3.1 68.8 1.0
## Inflation Unemployment X..pop.below.poverty.line
## 1 25.7 8.1 25.7
## 4 3.4 11.8 4.2
## 5 2.2 7.0 14.4
## 7 1.6 8.1 21.7
## 12 6.0 3.6 46.2
## 14 0.9 5.5 23.0
## 17 6.2 7.3 9.7
## Internet.penetration...population Median.age X..pop.25.54
## 1 93.1 31.7 39.38
## 4 70.7 32.0 43.86
## 5 77.5 34.4 43.08
## 7 86.7 31.3 44.03
## 12 65.0 28.3 40.81
## 14 69.7 29.2 40.35
## 17 88.2 35.0 39.34
## Education.invest...GDP
## 1 5.9
## 4 5.9
## 5 4.9
## 7 7.1
## 12 5.3
## 14 3.2
## 17 4.4
Que que países la economía naranja (industrias creativas) aporta el 2% a su PIB
na.omit(df[df$Creat.Ind...GDP<=2,])
## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 7 Costa Rica 16900 58.1 3.2 73.5 2.0
## 8 Ecuador 11500 102.3 2.7 56.9 2.0
## 16 Peru 13300 215.2 2.5 56.8 1.5
## 17 Uruguay 22400 58.4 3.1 68.8 1.0
## Inflation Unemployment X..pop.below.poverty.line
## 7 1.6 8.1 21.7
## 8 0.4 4.6 21.5
## 16 2.8 6.7 22.7
## 17 6.2 7.3 9.7
## Internet.penetration...population Median.age X..pop.25.54
## 7 86.7 31.3 44.03
## 8 79.9 27.7 39.59
## 16 67.6 28.0 40.19
## 17 88.2 35.0 39.34
## Education.invest...GDP
## 7 7.1
## 8 5.0
## 16 3.8
## 17 4.4
Penetracion de internet en la poblacion sea mayor al 80% y que la inversion en educacion del PIB sean mayor o igual a 4.5
na.omit(new_Orange <- subset(df,Internet.penetration...population>80 & Education.invest...GDP>=4.5,select=c(Country,Creat.Ind...GDP,Internet.penetration...population)))
## Country Creat.Ind...GDP Internet.penetration...population
## 1 Argentina 3.8 93.1
## 7 Costa Rica 2.0 86.7
## 15 Paraguay 4.1 89.6
Podemos observar graficamente que la relación es dispersa y lo podemos verificar con la correlación que analizaremos mas adelante-
Aca vemos unos datos bastante dispersos tambien, sin embargo vemos dos datos interesantes donde dos paises tienen un PIB per capita bastante alto y un % de aporte de la economia naranjan alto.
plot(df$Unemployment ~ df$Education.invest...GDP,
xlab="Inversion educación (%PIB)",
ylab ="Desempleo",
main= "Relación inversion en Educación y desempleo")
plot(df$GDP.PC ~ df$Creat.Ind...GDP,
xlab="Aporte de economía naranja al PIB (%)",
ylab ="PIB per cápita",
main= "Relación entre econimía narnaja y PIB per cápita ")
new<-subset(df,select=c(2,4,8,13))
pairs(new)
cor(new)
## GDP.PC GDP.Growth.. Unemployment
## GDP.PC 1.0000000 -0.1611431 0.1401035
## GDP.Growth.. -0.1611431 1.0000000 -0.4799547
## Unemployment 0.1401035 -0.4799547 1.0000000
## Education.invest...GDP -0.1506292 -0.1735050 0.3301757
## Education.invest...GDP
## GDP.PC -0.1506292
## GDP.Growth.. -0.1735050
## Unemployment 0.3301757
## Education.invest...GDP 1.0000000
Tomamos los datos que pensamos que pueden influencia en el aporte de economia naranja.
newdata<-subset(df,select=c(5,6,10,11,12,13))
pairs(newdata)
cor(newdata,use = "complete.obs")
## Services...GDP Creat.Ind...GDP
## Services...GDP 1.000000000 0.2201699
## Creat.Ind...GDP 0.220169925 1.0000000
## Internet.penetration...population -0.145306022 -0.3435164
## Median.age 0.356375194 -0.4412121
## X..pop.25.54 0.338980318 -0.1306267
## Education.invest...GDP -0.003218743 -0.1598673
## Internet.penetration...population Median.age
## Services...GDP -0.1453060 0.3563752
## Creat.Ind...GDP -0.3435164 -0.4412121
## Internet.penetration...population 1.0000000 0.3581014
## Median.age 0.3581014 1.0000000
## X..pop.25.54 -0.1824810 0.2667101
## Education.invest...GDP 0.4355714 0.2168221
## X..pop.25.54 Education.invest...GDP
## Services...GDP 0.3389803 -0.003218743
## Creat.Ind...GDP -0.1306267 -0.159867273
## Internet.penetration...population -0.1824810 0.435571370
## Median.age 0.2667101 0.216822054
## X..pop.25.54 1.0000000 0.531343612
## Education.invest...GDP 0.5313436 1.000000000
Se descartaron la relación de las variables de Penetración de Internet y la inversión en educación, con el aporte de la economía naranja al PIB.
## [1] 14052.94
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
par(mar = c(4, 4, 0.1, 0.1))
ggplot(df,aes(x=Strong_economy, y=Creat.Ind...GDP, fill=Strong_economy))+
geom_boxplot(alpha=0.4)+
labs(x="Tipo de País",y="Aporte de Economía Naranja la PIB",
title="Aporte Ecomonía Naranja en PIB paises LATAM con alto y bajo PIB per cápita")+
theme(legend.position = "none")+
theme(panel.background = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank())
## Warning: Removed 6 rows containing non-finite values (stat_boxplot).
ggplot(df,aes(x=Strong_economy, y=Internet.penetration...population, fill=Strong_economy))+
geom_boxplot(alpha=0.3)+
#scale_y_continuous(breaks = seq(40, max(100), 10))+
labs(x="Tipo de País",y="Penetración de Internet(%)",
title="Penetración de Internet en PIB paises LATAM con alto y bajo PIB per cápita")+
theme(legend.position = "none")+
theme(panel.background = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank())
## Warning: package 'plotly' was built under R version 4.1.3
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
df <- df %>% mutate(Crecimiento_GDP = ifelse(GDP.Growth.. >= 2.5, "2.5% ó más","Menos 2.5%"))
df <- df %>% mutate(Anaranjados=ifelse(Creat.Ind...GDP >= 2.5, "Mas anaranjados", "Menos anaranjados"))
Para ver ranking, pedimos un orden en sentido descendente con arrange y desc
df %>% arrange(desc(Creat.Ind...GDP))
## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 1 Mexico 19900 1149000.0 2.0 64.0 7.4
## 2 Panama 25400 61.8 5.4 82.0 6.3
## 3 Paraguay 9800 29.6 4.3 54.5 4.1
## 4 Argentina 20900 637.7 2.9 60.9 3.8
## 5 Colombia 14500 309.2 1.8 61.4 3.3
## 6 Brazil 15600 2055000.0 1.0 72.8 2.6
## 7 Chile 24500 277.0 1.5 64.3 2.2
## 8 Costa Rica 16900 58.1 3.2 73.5 2.0
## 9 Ecuador 11500 102.3 2.7 56.9 2.0
## 10 Peru 13300 215.2 2.5 56.8 1.5
## 11 Uruguay 22400 58.4 3.1 68.8 1.0
## 12 Belize 8300 1854.0 0.8 62.2 NA
## 13 Bolivia 7500 37.1 4.2 50.0 NA
## 14 El Salvador 8900 28.0 2.4 64.9 NA
## 15 Guatemala 8100 75.7 2.8 63.2 NA
## 16 Honduras 5600 22.9 4.8 57.8 NA
## 17 Nicaragua 5800 13.7 4.9 50.8 NA
## Inflation Unemployment X..pop.below.poverty.line
## 1 6.0 3.6 46.2
## 2 0.9 5.5 23.0
## 3 3.6 6.5 22.2
## 4 25.7 8.1 25.7
## 5 4.3 10.5 28.0
## 6 3.4 11.8 4.2
## 7 2.2 7.0 14.4
## 8 1.6 8.1 21.7
## 9 0.4 4.6 21.5
## 10 2.8 6.7 22.7
## 11 6.2 7.3 9.7
## 12 1.1 10.1 41.0
## 13 2.8 4.0 38.6
## 14 1.0 7.0 32.7
## 15 4.4 2.3 59.3
## 16 3.9 5.9 29.6
## 17 3.9 6.5 29.6
## Internet.penetration...population Median.age X..pop.25.54
## 1 65.0 28.3 40.81
## 2 69.7 29.2 40.35
## 3 89.6 28.2 41.08
## 4 93.1 31.7 39.38
## 5 63.2 30.0 41.91
## 6 70.7 32.0 43.86
## 7 77.5 34.4 43.08
## 8 86.7 31.3 44.03
## 9 79.9 27.7 39.59
## 10 67.6 28.0 40.19
## 11 88.2 35.0 39.34
## 12 52.3 22.7 36.62
## 13 78.6 24.3 37.48
## 14 57.7 27.1 39.23
## 15 42.1 22.1 34.12
## 16 38.2 23.0 36.63
## 17 43.0 25.7 40.24
## Education.invest...GDP Strong_economy Crecimiento_GDP
## 1 5.3 Sobre-Arriba promedio pib per capita Menos 2.5%
## 2 3.2 Sobre-Arriba promedio pib per capita 2.5% ó más
## 3 5.0 Por debajo promedio pib per capita 2.5% ó más
## 4 5.9 Sobre-Arriba promedio pib per capita 2.5% ó más
## 5 4.5 Sobre-Arriba promedio pib per capita Menos 2.5%
## 6 5.9 Sobre-Arriba promedio pib per capita Menos 2.5%
## 7 4.9 Sobre-Arriba promedio pib per capita Menos 2.5%
## 8 7.1 Sobre-Arriba promedio pib per capita 2.5% ó más
## 9 5.0 Por debajo promedio pib per capita 2.5% ó más
## 10 3.8 Por debajo promedio pib per capita 2.5% ó más
## 11 4.4 Sobre-Arriba promedio pib per capita 2.5% ó más
## 12 7.4 Por debajo promedio pib per capita Menos 2.5%
## 13 7.3 Por debajo promedio pib per capita 2.5% ó más
## 14 3.5 Por debajo promedio pib per capita Menos 2.5%
## 15 2.8 Por debajo promedio pib per capita 2.5% ó más
## 16 5.9 Por debajo promedio pib per capita 2.5% ó más
## 17 4.5 Por debajo promedio pib per capita 2.5% ó más
## Anaranjados
## 1 Mas anaranjados
## 2 Mas anaranjados
## 3 Mas anaranjados
## 4 Mas anaranjados
## 5 Mas anaranjados
## 6 Mas anaranjados
## 7 Menos anaranjados
## 8 Menos anaranjados
## 9 Menos anaranjados
## 10 Menos anaranjados
## 11 Menos anaranjados
## 12 <NA>
## 13 <NA>
## 14 <NA>
## 15 <NA>
## 16 <NA>
## 17 <NA>
Buscando paises con nombres especificos
library("dplyr")
TopNaranjas <- df %>% filter(Country %in% c("Mexico", "Panama", "Argentina", "Colombia", "Brazil","Paraguay"))
TopNaranjas %>% arrange(desc(Creat.Ind...GDP))
## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 1 Mexico 19900 1149000.0 2.0 64.0 7.4
## 2 Panama 25400 61.8 5.4 82.0 6.3
## 3 Paraguay 9800 29.6 4.3 54.5 4.1
## 4 Argentina 20900 637.7 2.9 60.9 3.8
## 5 Colombia 14500 309.2 1.8 61.4 3.3
## 6 Brazil 15600 2055000.0 1.0 72.8 2.6
## Inflation Unemployment X..pop.below.poverty.line
## 1 6.0 3.6 46.2
## 2 0.9 5.5 23.0
## 3 3.6 6.5 22.2
## 4 25.7 8.1 25.7
## 5 4.3 10.5 28.0
## 6 3.4 11.8 4.2
## Internet.penetration...population Median.age X..pop.25.54
## 1 65.0 28.3 40.81
## 2 69.7 29.2 40.35
## 3 89.6 28.2 41.08
## 4 93.1 31.7 39.38
## 5 63.2 30.0 41.91
## 6 70.7 32.0 43.86
## Education.invest...GDP Strong_economy Crecimiento_GDP
## 1 5.3 Sobre-Arriba promedio pib per capita Menos 2.5%
## 2 3.2 Sobre-Arriba promedio pib per capita 2.5% ó más
## 3 5.0 Por debajo promedio pib per capita 2.5% ó más
## 4 5.9 Sobre-Arriba promedio pib per capita 2.5% ó más
## 5 4.5 Sobre-Arriba promedio pib per capita Menos 2.5%
## 6 5.9 Sobre-Arriba promedio pib per capita Menos 2.5%
## Anaranjados
## 1 Mas anaranjados
## 2 Mas anaranjados
## 3 Mas anaranjados
## 4 Mas anaranjados
## 5 Mas anaranjados
## 6 Mas anaranjados
ggplot(TopNaranjas, aes(x=Internet.penetration...population, y=Services...GDP, size=GDP.PC))+ geom_point()+ facet_wrap(~Country)
ggplot(TopNaranjas, aes(x=Education.invest...GDP, y=Creat.Ind...GDP, size=Unemployment))+ geom_point()+ facet_wrap(~Country)
ggplot(TopNaranjas, aes(x=Internet.penetration...population, y=GDP.PC,fill=Creat.Ind...GDP)) + geom_tile()+ facet_wrap(~Country)+scale_fill_gradient(colors(distinct = TRUE))
En cuanto al análisis realizado para la economía naranja podemos ver las siguientes concusiones: Las variables con mayor correlación: - En los países donde el aporte de los servicios es alto tienen un PIB per cápita mayor. - En los países en la donde Inversión de educación el porcentaje mas alto de la población es de 25 a 54 años. Sin embargo, podemos tomar en cuenta que las variables que más interés podemos tener para realizar un emprendimiento la relación de las variables de Penetración de Internet y la inversión en educación, con el aporte de la economía naranja al PIB. Y según las últimas observaciones podemos concluir que los mejores países para emprender dentro de la economía naranja son: Panamá y México.